TFDS รองรับ รูปแบบ Croissant 🥐 แล้ว! อ่าน เอกสาร เพื่อทราบข้อมูลเพิ่มเติม

หน้านี้ได้รับการแปลโดย Cloud Translation API

d4rl_mujoco_walker2d

คำอธิบาย :

D4RL เป็นเกณฑ์มาตรฐานแบบโอเพ่นซอร์สสำหรับการเรียนรู้แบบเสริมกำลังแบบออฟไลน์ โดยจัดเตรียมสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับอัลกอริธึมการฝึกอบรมและการวัดประสิทธิภาพ

ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน

เอกสารประกอบเพิ่มเติม : สำรวจในเอกสารด้วยรหัส
คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym
หน้าแรก : https://sites.google.com/view/d4rl-anonymous
ซอร์สโค้ด : tfds.d4rl.d4rl_mujoco_walker2d.D4rlMujocoWalker2d
รุ่น :
- 1.0.0 : การเปิดตัวครั้งแรก
- 1.1.0 : เพิ่ม is_last
- 1.2.0 (ค่าเริ่มต้น): อัปเดตเพื่อคำนึงถึงข้อสังเกตถัดไป
คีย์ภายใต้การดูแล (ดู as_supervised doc ): None
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
การอ้างอิง :

@misc{fu2020d4rl,
    title={D4RL: Datasets for Deep Data-Driven Reinforcement Learning},
    author={Justin Fu and Aviral Kumar and Ofir Nachum and George Tucker and Sergey Levine},
    year={2020},
    eprint={2004.07219},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

d4rl_mujoco_walker2d/v0-ผู้เชี่ยวชาญ (การกำหนดค่าเริ่มต้น)

ขนาดดาวน์โหลด : 78.41 MiB
ขนาดชุดข้อมูล : 98.64 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	1,628

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-ปานกลาง

ขนาดดาวน์โหลด : 80.83 MiB
ขนาดชุดข้อมูล : 99.72 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	5,315

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-ผู้เชี่ยวชาญขนาดกลาง

ขนาดดาวน์โหลด : 159.24 MiB
ขนาดชุดข้อมูล : 198.36 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	6,943

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-ผสม

ขนาดดาวน์โหลด : 8.42 MiB
ขนาดชุดข้อมูล : 10.06 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	501

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-สุ่ม

ขนาดดาวน์โหลด : 78.41 MiB
ขนาดชุดข้อมูล : 112.04 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	50,988

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 143.06 MiB
ขนาดชุดข้อมูล : 452.72 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,003

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 17)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(256, 256)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-ขนาดกลาง

ขนาดดาวน์โหลด : 144.23 MiB
ขนาดชุดข้อมูล : 510.08 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,207

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 17)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(256, 256)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-ผู้เชี่ยวชาญขนาดกลาง

ขนาดดาวน์โหลด : 286.69 MiB
ขนาดชุดข้อมูล : 342.46 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	2,209

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-เล่นซ้ำขนาดกลาง

ขนาดดาวน์โหลด : 84.37 MiB
ขนาดชุดข้อมูล : 52.10 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	1,093

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย64
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย64
ขั้นตอน/รางวัล	เทนเซอร์		ลอย64

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-เล่นซ้ำเต็ม

ขนาดดาวน์โหลด : 278.95 MiB
ขนาดชุดข้อมูล : 171.66 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	1,888

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย64
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย64
ขั้นตอน/รางวัล	เทนเซอร์		ลอย64

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-สุ่ม

ขนาดดาวน์โหลด : 132.36 MiB
ขนาดชุดข้อมูล : 192.06 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	48,790

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 219.89 MiB
ขนาดชุดข้อมูล : 452.16 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,001

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 17)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(256, 256)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-เล่นซ้ำเต็ม

ขนาดดาวน์โหลด : 271.91 MiB
ขนาดชุดข้อมูล : 171.66 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	1,888

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-ขนาดกลาง

ขนาดดาวน์โหลด : 221.50 MiB
ขนาดชุดข้อมูล : 505.58 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,191

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 17)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(256, 256)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(6,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(6, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-ผู้เชี่ยวชาญขนาดกลาง

ขนาดดาวน์โหลด : 440.79 MiB
ขนาดชุดข้อมูล : 342.45 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	2,191

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-เล่นซ้ำขนาดกลาง

ขนาดดาวน์โหลด : 82.32 MiB
ขนาดชุดข้อมูล : 52.10 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	1,093

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-สุ่ม

ขนาดดาวน์โหลด : 206.10 MiB
ขนาดชุดข้อมูล : 192.11 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	48,908

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(6,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(9,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(17,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):